【正文】 定值的項集）的子集一定是頻繁的 ?例如， 若 {beer, diaper, nuts}是頻繁的 , 那么 {beer, diaper} 一定是頻繁的 . ? 任一項是非頻繁的，則包含該項的超集一定是不頻繁的。 (Day=Friday) and (Product= Diaper) → (Product=Beer) 為一典型關(guān)聯(lián)規(guī)則 A為滿足前件的對象集， B為滿足后件的對象， N為全部對象集。 ? 泛化 (Generalization)是用來擴展一假設的語義信息，使其能夠包含更多的正例，應用于更多的對象。 ? ?? ?? ?? ??? 21 1121krmkmrk kkjlkljnnnE0?ljE ?ljE2?決策理論與方法 智能決策理論與方法 Taxonomy of Data Mining Methods 決策理論與方法 智能決策理論與方法 Taxonomy of Data Mining Methods ? Verificationoriented (the system verifies the user‘ s hypothesis): including the most mon methods of traditional statistics, like goodness of fit(擬合優(yōu)度 ) test, tests of hypotheses (假設檢驗 ， ., ttest of means), and analysis of variance (ANOVA， 方差分析或 F檢驗 ). ? Discoveryoriented (the system finds new rules and patterns autonomously): prediction methods VS description methods； supervised learning（ 有導師學習 ） VS unsupervised learning 決策理論與方法 智能決策理論與方法 KDD Goals Methods ? 歸納總結(jié) (Induction Summarization)：從泛化的角度總結(jié)數(shù)據(jù)，即從低層次數(shù)據(jù)抽象出高層次的描述的過程。 決策理論與方法 智能決策理論與方法 數(shù)據(jù)預處理 — 連續(xù)屬性離散化 (3)統(tǒng)計試驗方法 統(tǒng)計試驗方法根據(jù)決策屬性分析區(qū)間劃分之間的獨立程度，確定分割點的有效性。 (2)等信息量離散化方法 等信息量分割首先將測量值進行排序，然后將屬性值域分成k個區(qū)間，每個區(qū)間包含相同數(shù)量的測量值。 (1)等區(qū)間離散化方法 等區(qū)間分割是將連續(xù)屬性的值域等分成 ( )個區(qū)間 , 一般由用戶確定。 CC ?? )},(,),(),(),{(P}{cP 210i ikiiiiiiiCciCc iii cccccccc ??? ???? ??? ),2,1( nkUxk ??? )),2,1()(,[ 1 iijij kjcc ???PA決策理論與方法 智能決策理論與方法 數(shù)據(jù)預處理 — 連續(xù)屬性離散化 離散化方法 典型的有等區(qū)間方法、等信息量方法、基于信息熵的方法、Holte的 1R離散化方法、統(tǒng)計試驗方法、超平面搜索方法以及用戶自定義區(qū)間等。這樣就把原來含有連續(xù)屬性的樣本數(shù)據(jù)集A轉(zhuǎn)換成離散化的數(shù)據(jù)集 。設 是 上的分割點集合，記為 其中 ， 為一整數(shù)，表示離散化程度，可以看作按屬性將論域中的對象分成 類。 決策理論與方法 智能決策理論與方法 數(shù)據(jù)預處理 — 連續(xù)屬性離散化 問題描述 設 為一樣本數(shù)據(jù)集， 為非空有限集合， C是條件屬性集， D是決策屬性集?？罩党霈F(xiàn)的主要原因 ： ? 在信息收集時忽略了一些認為不重要的數(shù)據(jù)或信息提供者不愿意提供，而這些數(shù)據(jù)對以后的信息處理可能是有用的； ? 某些屬性值未知； ? 數(shù)據(jù)模型的限制。 決策理論與方法 智能決策理論與方法 數(shù)據(jù)預處理 — 空值估算 ? 空值 是指屬性值未知且不可用、與其它任何值都不相同的符號。 決策理論與方法 智能決策理論與方法 KDD過程 評估和解釋所挖掘的模式，重點是可理解性、有用性 . 決策理論與方法 智能決策理論與方法 KDD過程 與原有知識系統(tǒng)合并。 決策理論與方法 智能決策理論與方法 KDD過程 （ 1）選取可用的數(shù)據(jù)； （ 2）定義附加的、必須的數(shù)據(jù)，如領域知識； （ 3）數(shù)據(jù)集成為一個數(shù)據(jù)集，供 KDD使用。 ? 數(shù)據(jù)挖掘 (Data Mining， DM) 是 KDD的核心階段 , 通過實施相關(guān)算法獲得期望的模式。 1秒定律。以視頻為例，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有一兩秒。網(wǎng)絡日志、視頻、圖片、地理位置信息等等。從 TB級別，躍升到PB級別。 推理機 決策者 案例庫 問題請求 推理結(jié)果 規(guī)則庫 知識工程師 領域?qū)＜? 決策理論與方法 智能決策理論與方法 知識發(fā)現(xiàn) — 動機 決策者 數(shù)據(jù)分析師 數(shù)據(jù)中心 不一定滿意的決策 決策支持查詢 查詢結(jié)果 ? 問題 ? 數(shù)據(jù)分析師與決策者之間對問題的理解存在偏差 ? 缺少有創(chuàng)造性的決策建議 ? 技術(shù)問題：如查詢效率 (RDBMS) 決策理論與方法 智能決策理論與方法 知識發(fā)現(xiàn) — 動機 推理機 數(shù)據(jù)挖掘工具 數(shù)據(jù)中心 決策者 知識庫 問題請求 推理結(jié)果 背景知識 領域?qū)＜? ? 優(yōu)點 ? 知識獨立于問題本身 ? 知識的獲取主要通過數(shù)據(jù)挖掘?qū)崿F(xiàn) ? 有創(chuàng)造性收獲 決策理論與方法 智能決策理論與方法 Data Mining within the DSS 決策理論與方法 智能決策理論與方法 知識發(fā)現(xiàn) — 動機 ? KDD帶來的新問題 ?知識發(fā)現(xiàn)問題：如何從數(shù)據(jù)中將知識挖掘出來？面臨許多技術(shù)問題： 如 數(shù)據(jù)異構(gòu)問題 、 數(shù)據(jù)具有噪音且信息不完整、使用什么樣的挖掘算法、知識如何表示等 ?知識評價問題： 數(shù)據(jù)本身具有權(quán)威性、客觀性，但知識不具備。 決策理論與方法 智能決策理論與方法 智能決策理論與方法 智能決策理論的形成背景 知識發(fā)現(xiàn) 粗糙集理論 機器學習 決策理論與方法 智能決策理論與方法 知識發(fā)現(xiàn) — 動機 ? 智能決策的核心是如何獲取支持決策的信息和知識。 決策理論與方法 智能決策理論與方法 智能決策理論與方法 — AI的應用模式 ? 智能決策方法 是應用人工智能 (Artificial Intelligence, AI)相關(guān)理論方法，融合傳統(tǒng)的決策數(shù)學模型和方法而產(chǎn)生的具有智能化推理和求解的決策方法，其典型特征是能夠在不確定、不完備、模糊的信息環(huán)境下，通過應用符號推理、定性推理等方法，對復雜決策問題進行建模、推理和求解。不確定性就造成了具有相同描述信息的對象可能屬于不同概念。 ? 不確定性 ： 不確定性來自人類的主觀認識與客觀實際之間存在的差異。決策理論與方法 —— 智能決策理論與方法 (1) 合肥工業(yè)大學管理學院 Wednesday, January 15, 2023 不確定性決策 ? 不確定性決策 ： 指難以獲得各種狀態(tài)發(fā)生的概率，甚至對未來狀態(tài)都難以把握的決策問題。 ? 特點 ：狀態(tài)的不確定性。事物發(fā)生的隨機性、人類知識的不完全、不可靠、不精確和不一致以及自然語言中存在的模糊性和歧義性，都反映了這種差異，都會帶來不確定性。 ? 解決問題的主要理論方法 ：人工智能與不確定性理論 決策理論與方法 智能決策理論與方法 智能決策理論與方法 智能決策理論的形成背景 知識發(fā)現(xiàn) 粗糙集理論 機器學習 決策理論與方法 智能決策理論與方法 智能決策理論與方法 — 形成背景 ? 人類面臨越來越復雜的決策任務和決策環(huán)境 ： ? 決策問題所涉及的變量規(guī)模越來越大； ? 決策所依賴的信息具有不完備性、模糊性、不確定性等特點，使得決策問題難以全部定量化地表示出來； ? 某些決策問題及其目標可能是模糊的、不確定的，使得決策者對自己的偏好難以明確，隨著決策分析的深入，對決策問題的認知加深，自己原有的偏好 /傾向得到不斷地修正，使得決策過程出現(xiàn)不斷調(diào)整的情況， ? 這時，傳統(tǒng)的決策數(shù)學模型已經(jīng)難以勝任求解復雜度過高的決策問題、含有不確定性的決策問題以及半結(jié)構(gòu)化、非結(jié)構(gòu)化的決策問題，因而產(chǎn)生了智能決策理論、方法及技術(shù)。 AI應用于決策科學主要有兩種模式 ： ? 針對可建立精確數(shù)學模型的決策問題，由于問題的復雜性，如組合爆炸、參數(shù)過多等而無法獲得問題的解析解，需要借助